用Python處理實驗資料

今天難得清靜，雖然上課還是沉浸於完成任務的放縱式玩手機中，但是也開始撿起了以前的一些東西，尤其是我下功夫最多的pyhton，今晚要寫乙個實驗報告，要處理一堆的資料，所以乾脆就直接的用python處理，然後我就慢慢的一點點的輸入資料然後抄寫就好了。爽歪歪的有木有？

話不多說，直接貼**

import math

def cal():
xitas=input("put in xita:  ")
fls=input("put in fl:  ")
fcs=input("put in fc:  ")
fl=float(fls)/100
fc=float(fcs)/100
xita=float(xitas)/10000
d=0.092
ft=(2*fc)/d
xigama=(1-xita)*fl/fc
print("xigama=%s"%xigama)
print("ft=%s"%ft)
def main():
for i in range(10):
cal()
print("over!!!")
main()

put in xita:  102

put in fl:  543
put in fc:  820
xigama=0.6554407317073172
ft=178.26086956521738
put in xita:  114
put in fl:  585
put in fc:  873
xigama=0.6624639175257732
ft=189.7826086956522
put in xita:  125
put in fl:  643
put in fc:  933
xigama=0.6805600214362272
ft=202.82608695652175
put in xita:  154
put in fl:  773
put in fc:  1060
xigama=0.7180149056603775
ft=230.43478260869566
put in xita:  171
put in fl:  864
put in fc:  1141
xigama=0.7442818580192814
ft=248.04347826086956
put in xita:  187
put in fl:  906
put in fc:  1178
xigama=0.7547179966044143
ft=256.0869565217391
put in xita:  210
put in fl:  953
put in fc:  1182
xigama=0.7893291032148899
ft=256.95652173913044
put in xita:

用python調shell來批處理實驗

如果需要把大量實驗跑完，最好用批量處理操作，直接使用shell寫shell檔案來操作也行，但是需要學習shell指令碼的語法，不如直接用python呼叫shell，把python如何呼叫shell學會，就直接在python裡邊把需要的命令寫成字串，傳遞給python的呼叫shell的模組就行了 im...

用python處理AI資料集

機器學習的核心是處理資料。你的機器學習工具應該與資料的質量一樣好。本文涉及清理資料的各個步驟。你的資料需要經過幾個步驟才能用於 匯入所需的庫 匯入資料集 處理缺失的資料。編碼分類資料。將資料集拆分為測試集和訓練集。特徵縮放。那麼讓我們逐一學習這些步驟。每次我們製作新模型時，都會要求匯入 numpy ...

用python資料處理csv

合併兩表 生成資料透視表 處理缺失值 統計某特徵 import pandas as pd df pd.read csv 位址 若為xlsx df pd.read excel 位址 選取行 rows df 0 3 rows 選取列 cols df 1 2 cols.head head展示前五行 表頭除...